Representing expertise accelerates learning from pedagogical interaction data
呈现专业知识加速了从教学互动数据中的学习
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 研究通过可控实验探讨了互动数据有效性因素，发现教学互动能提升模型鲁棒性，即使专家行为少见，模型也能表现出专家行为。
高校专区
University of California, Berkeley（加州大学伯克利分校）
LoSA: Locality Aware Sparse Attention for Block-Wise Diffusion Language Models
LoSA：基于块状扩散语言模型的局部意识稀疏注意力
机构 * University of California, Berkeley（加州大学伯克利分校）
AI总结 LoSA通过局部意识稀疏注意力机制，针对块状扩散语言模型中的KV膨胀问题，优化注意力计算，提升效率和精度，实现更高的准确率和速度。
Comments 16 pages, 11 figures, 6 tables
The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break
长远任务的幻觉？诊断代理系统何时及为何失效
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文通过HORIZON基准测试分析LLM代理在长周期任务中的失效模式，提出轨迹驱动的评估方法，并通过人类标注验证其有效性，为构建更可靠的代理系统提供指导。
Dynamic Multi-Robot Task Allocation under Uncertainty and Communication Constraints: A Game-Theoretic Approach
在不确定性和通信约束下动态多机器人任务分配：一种博弈论方法
机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） ； Department of Electrical Engineering and Computer Science, University of California, Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Thayer School of Engineering, Dartmouth College（达特茅斯学院泰勒工程学院）
AI总结 本文研究了在不确定任务完成、时间窗口约束和不完全信息下的动态多机器人任务分配问题，提出基于博弈论的迭代最佳响应算法，在城市级配送领域实现了高效的任务完成。
Comments 9 pages, 6 figures
[b]=[d]-[t]+[p]: Self-supervised Speech Models Discover Phonological Vector Arithmetic
[b]=[d]-[t]+[p]：自监督语音模型发现语音向量算术
机构 * UT Austin（得克萨斯大学奥斯汀分校） ； UC Berkeley（伯克利大学） ； CMU（卡内基梅隆大学）
AI总结 研究通过分析96种语言的自监督语音模型表示，发现语音特征可通过线性方向和向量运算表示，揭示了语音向量算术的结构。
Comments Accepted to ACL 2026 Findings
SciML Agents: Write the Solver, Not the Solution
SciML代理：编写求解器，而非解决方案
机构 * UC Berkeley（加州大学伯克利分校） ； LBNL（劳伦斯伯克利国家实验室） ； ICSI（国际计算机科学研究所）
AI总结 本文探讨利用LLM编写科学机器学习求解器，通过设计新数据集评估不同模型在ODE问题中的表现，发现引导提示和微调能有效提升求解准确性。
Journal ref NeurIPS 2025 Math-AI Workshop
Solving tricky quantum optics problems with assistance from (artificial) intelligence
用人工智能（人工智能）解决量子光学难题
机构 * Indian Institute of Technology, Kanpur（印度理工学院，坎pur） ； MPA-Quantum, Los Alamos National Laboratory（MPA-量子，洛斯阿拉莫斯国家实验室） ； Johannes Gutenberg-Universität Mainz（美因茨约翰尼斯·古滕贝格大学） ； Helmholtz Institute Mainz（马因茨海德堡研究所） ； GSI Helmholtzzentrum für Schwerionenforschung GmbH（重离子研究海德堡中心 GmbH） ； Department of Physics, University of California, Berkeley（加州大学伯克利分校物理系）
AI总结 本文探讨人工智能作为科学合作者的能力，通过解决量子光学中的三个复杂问题，展示AI在推理和提供专家级指导方面的作用，推动科学研究方法的变革。
Comments 9 pages, 3 figures
